| بهکارگیری یادگیری ماشین برای تسریع برنامههای اصلاح هیبریدی پنبه در سناریوهای تغییر اقلیم |
| کد مقاله : 1712-CCSAMR |
| نویسندگان |
|
رسمیه حمید *1، بهمن پناهی2 1موسسه تحقیقات پنبه کشور 2پژوهشکده بیوتکنولوژی شمال غرب و غرب کشور، پژوهشگاه بیوتکنولوژی کشاورزی ایران، سازمان تحقیقات اموزش و ترویج کشاورزی، تبریز، ایران |
| چکیده مقاله |
| پنبه (Gossypium spp) بهعنوان یک محصول صنعتی و استراتژیک، نقش حیاتی در تأمین الیاف طبیعی، روغن خوراکی و علوفه دارد و اهمیت اقتصادی و کشاورزی بالایی دارد. تغییرات اقلیمی شامل افزایش دما، خشکی، شوری و نوسانات بارش تهدیدی جدی برای پایداری تولید ایجاد کردهاند. اصلاح هیبریدی از طریق بهرهگیری از هتروزیس ابزار مؤثری برای افزایش عملکرد است، اما روشهای سنتی با محدودیتهایی مانند پیچیدگی برهمکنش ژنوتیپ × محیط، هزینههای بالا و زمانبر بودن ارزیابیها مواجهاند. در این زمینه، یادگیری ماشین و هوش مصنوعی نقش محوری در تحول اصلاح هیبریدی یافتهاند؛ این روشها قادرند الگوهای پیچیده و غیرخطی میان دادههای ژنومی، فنوتیپی و اقلیمی را شناسایی کرده و پیشبینی عملکرد، انتخاب والدین و طراحی ترکیبات هیبریدی را بهطور قابل توجهی بهبود بخشند. این مقاله آخرین پیشرفتها در کاربرد AI و ML برای پیشبینی هتروزیس، سازگاری اقلیمی و ادغام دادههای چند-امیکی و محیطی را مرور و تبیینپذیری مدلها را در تسریع اصلاح هیبریدی برجسته میسازد |
| کلیدواژه ها |
| پنبه، تغییر اقلیم، یادگیری ماشین، هتروزیس |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر، لازم است پوستر در 2 سایت زیر بارگذاری شود. https://ccsamr.greenmeeting.ir** https://ccsamr.areeo.ac.ir/author |
